Técnicas de ajuste para la película de uniformidad rehegua .

Ko técnica omohenda haguã chapa de luz uniforme principalmente oime homogeneización iluminación procesamiento de imagen-pe omboguejy haguã problema degradación calidad imagen omoheñóiva condición de iluminación vai. Ko a mba e ha e heta técnica común ojeajusta hagua pe chapa uniformidad rehegua:

Ajuste de brillo umi área local rehegua: .
Ajuste área local brillo principalmente ojepytaso fenómeno exposición desigual oikóva localmente imagen-pe. Kóva jepivegua oike umi técnica de mejoramiento de contraste local, haꞌeháicha equalización histograma local rehegua. Ojejapo rupi independientemente equalización histograma rehegua peteĩteĩva región local rehe taꞌãngamýime, ikatu oñembotuichave peteĩteĩva región joavy oñemantene aja pe contraste global taꞌãnga tuichakue rehegua noñemoambuéiva ikatuháicha.

Reasignación global de brillo rehegua: .
Pe redistribución brillo global rehegua oñecentra omohenda haguã pe ta’ãnga tuichakue resape. Ko método ikatu ohupyty uniformidad ta anga resape rehegua omoambuévo histograma forma omoambue yre pe ta anga resape tuichakue.
Tecnología de procesamiento multi escala rehegua: .

Oñeanalisávo ha oñeprocesa hag̃ua taꞌãngamýi opaichagua escala-pe, ikatu oñemboheko porã hesakã hag̃ua oñeñongatu aja taꞌãngamýi detalle. Ko método ombojoaju umi ventaja orekóva procesamiento local ha procesamiento global, ha ikatu ojeadapta porãve umi condición compleja de iluminación-pe.

Oipurúvo software profesional:
Operación práctica-pe, oñemboguata jepi procesamiento equalización taꞌãngamýi rehegua ojeporúvo software. Techapyrã, oĩ software taꞌãngamýi ñembosakoꞌirã haꞌeháicha tembipuru Shadow/Shilllight Photoshop-pe haꞌehína peteĩ método ojehecharamovéva taꞌãngamýi ñemopotĩrã. Avei, oî algún software profesional de procesamiento de imagen médica, ha'eháicha ImageJ, ome'êva rico funciones de equalización imagen umi usuario-kuérape guarã ojapo haguã procesamiento fino ta'anga médica-pe.

Tecnologías oñemopyendáva aprendizaje profundo rehe:
Ko’ã áño ohasava’ekuépe, oñemotenondévo pya’e tecnología de aprendizaje profundo, ojejapo umi avance tecnología de suavización de imagen-pe oñemopyendáva aprendizaje profundo-pe. Umi modelo de aprendizaje profundo, especialmente umi red neural convolucional (CNN), ikatu ojuhu automáticamente ha oikuaa estrategia iporãvéva imagen suavización-pe g̃uarã iñambuéva condición iluminación rehegua oaprendevo hetaiterei dato taꞌãngamýi etiquetado rehegua, upéicha ohupyty resultado procesamiento iporãvéva algoritmo tradicional-gui algunos escenarios de aplicación específica-pe.

Tecnología máscara rehegua: .
Procesamiento de imagen-pe, tecnología de enmascarado ojeporu hetaiterei procesamiento local-pe g̃uarã, especialmente pe proceso de ajuste de brillo local-pe. Pe enmascarado ikatu oñangareko ciertas áreas rehe pe influencia de ajuste-gui ha omohenda porãnte pe brillo umi área específica-pe, upéicha ocontrola pe efecto iluminación uniforme rehegua finamenteve.